Tensorflow训练CIFAR10源代码

最近看到tensorflow训练cifar10数据集，说实话相比于mnist数据集，cifar10有了一个质的飞跃，从单通道灰度图像转变到三通道彩色图像。

cifar10

下面来简单介绍下cifar10数据集，该数据集共有60000张彩色图像，这些图像是32*32*3，分为10个类，每类6000张图。这里面有50000张用于训练，构成了5个训练批，每一批10000张图；另外10000用于测试，单独构成一批。测试批的数据里，取自10类中的每一类，每一类随机取1000张。抽剩下的就随机排列组成了训练批。注意一个训练批中的各类图像并不一定数量相同，总的来看训练批，每一类都有5000张图。Tensorflow自带有cifar的例子，可以在线下载cifar数据集，也可以离线下载，然后读取数据，在这里主要讲解如何搭建训练工程。下面请看代码：

import cifar10,cifar10_input
import tensorflow as tf
import numpy as np
import time

max_steps = 3000
batch_size = 128
data_dir = 'C:\\Users\\new\\Desktop\\cifar-10-batches-bin'


def variable_with_weight_loss(shape, stddev, wl):
    var = tf.Variable(tf.truncated_normal(shape, stddev=stddev))
    if wl is not None:
        weight_loss = tf.multiply(tf.nn.l2_loss(var), wl, name='weight_loss')
        tf.add_to_collection('losses', weight_loss)
    return var


def loss(logits, labels):
#      """Add L2Loss to all the trainable variables.
#      Add summary for "Loss" and "Loss/avg".
#      Args:
#        logits: Logits from inference().